3行でいうと

  • 公式の流れは、アプリを入れる、Discoverでモデルを探す、Chatで読み込む、話す、の順です。
  • Macは、Apple Siliconで、macOS 14.0以降。メモリは16GB以上が推奨です。
  • 通信が要るのは、モデルの検索・ダウンロードと更新の確認です。チャットは端末の中です。
  • サーバーのスイッチは、他のアプリがLM Studioのモデルを呼び出すための入口で、最初は使わなくて構いません。

この記事は、実際に使って確かめた記録ではありません。この記事は公式の文書を読んでまとめたものです。

先に結論

最初の1回に必要なのは、次の4つだけです。

  1. 公式サイトからLM Studioを入れる
  2. Discover（探す画面）で、小さめのモデルをダウンロードする
  3. Chat（会話の画面）でモデルを読み込む
  4. 話しかける

ローカルサーバーのスイッチは、「使う人だけが入れる」ものです。チャットだけなら触らなくて済みます。

言葉の整理

1. 機械が条件を満たすか

公式のシステム要件（2026年10月8日確認）は次のとおりです。

機械 条件
Mac Apple Silicon（M1〜M4と書かれています）。Intel Macは非対応。macOS 14.0以降。メモリは16GB以上を推奨。8GBでも、小さいモデルと控えめな会話の長さなら動く場合がある、とあります
Windows x64とARM（Snapdragon X Elite）。x64ではAVX2という命令に対応していること。メモリ16GB以上、専用のグラフィックスメモリ（VRAM）4GB以上を推奨
Linux x64とARM64。AppImageという形式で配布。Ubuntu 20.04以降

M5以降のMacは、このページには書かれていませんでした。32GBメモリのMacなら、推奨の2倍です。

2. 入れる

公式の手引きは、「最新版のLM Studioを入れます」から始まります。入手先は公式のダウンロードページ（lmstudio.ai/download）です。名前が似たサイトからは入れないでください。

ダウンロードページには、料金や、仕事で使ってよいかどうかの記述は見つかりませんでした。「利用規約（terms of use）のもとで入手できる」とだけ書かれています。仕事で使うなら、規約のページを自分で読んでください。ここでは確認していません。

3. モデルを探してダウンロードする

  1. 画面の上のほうにあるDiscoverを開きます。どの画面からでも、Macなら「⌘＋2」（WindowsとLinuxは「ctrl＋2」）で飛べます。
  2. 検索欄に、モデル名（例：gemma、llama）、「ユーザー名/モデル名」、またはHugging FaceのURLを入れます。Hugging Faceは、モデルが置かれている大きな公開サイトです。
  3. 同じモデルに、「Q3_K_S」や「Q_8」のような名前の版が並びます。Qは量子化のことです。公式は「機械に余裕があれば、4ビット以上を選ぶ」と案内しています。
  4. ダウンロードを押します。

最初の1つは、どれにするか

見立てです。最初は、小さいほうのモデルをおすすめします。理由は、失敗したときに原因を切り分けやすいからです。

公式のモデル一覧（lmstudio.ai/models）には、たとえば次のようなものが並んでいました（パラメータ数の表記。パラメータは、モデルの大きさを表す数です）。

この一覧には、ダウンロードの大きさ（GB）は載っていません。ファイルの大きさは、ダウンロードの画面に出る数字で確認してください。目安として、別の配布先であるOllamaのライブラリでは、Qwen3.5の4Bが3.3GB〜4.0GB、9Bが6.6GB〜7.6GBと書かれています。LM Studioで落とすファイルは、版が違うので同じ大きさとは限りません。

4. 読み込んで、話す

  1. Chatタブを開きます。
  2. モデルを選ぶ場所（モデルローダー）を開きます。「⌘＋L」（WindowsとLinuxは「ctrl＋L」）で開けます。
  3. ダウンロードしたモデルを選びます。
  4. 読み込みが終わるまで待ちます。
  5. 入力欄に話しかけます。

新しい会話は、「＋」ボタンか、「⌘＋N」（WindowsとLinuxは「ctrl＋N」）で始めます。

公式は、会話の保存についても説明しています。会話はJSONというデータの形式のファイルとして、Macなら「~/.lmstudio/conversations/」に保存されます。手で書き換えるのはおすすめしない、と書かれています。また、モデルは会話から学習しません。モデルが知っているのは、その会話の中にあることと、システムプロンプト（最初に与える指示）などの設定だけです。

資料を読ませたいとき

チャットに文書を付けることもできます。公式の説明では、対応する形式は .docx、.pdf、.txt です。文書が短ければ全部を会話に入れ、長ければ関係がありそうな部分だけを取り出して渡します。この仕組みはRAG（ラグ、必要な部分を探して渡す方式）と呼ばれます。付けた資料の処理は、端末の中で行われると書かれています。

5. 「ローカルサーバー」のスイッチは何か

LM Studioには、Developerタブがあります。そこで「Start server」のスイッチを入れる、または端末で「lms server start」と打つと、サーバーが始まります。

サーバーとは、他のプログラムからの呼びかけを待つ仕組みです。たとえば、ほかのアプリや自作のプログラムが、LM Studioのモデルを使えるようになります。公式の説明では、OpenAI互換のAPI（プログラム同士が話すための決まり）でも呼べます。

最初の1回では、このスイッチは要りません。チャットだけなら、Chatタブで足ります。

サーバーを使うときの公式の情報

公式のOpenAI互換のページ（2026年10月8日確認）では、基本のURLは「http://localhost:1234/v1」で、1234が標準のポートとされています。ポートは、通信の出入口の番号です。一方、端末のコマンド（lms server start）のページには、「--port を省くと、前回使った番号になる」と書かれています。標準が1234、ということと矛盾はしませんが、前に変えた人は、前回の番号になるかもしれません。

公式文書の例です。この記事では、実行していません。

from openai import OpenAI

client = OpenAI(base_url="http://localhost:1234/v1", api_key="lm-studio")

response = client.chat.completions.create(
    model="your-lm-studio-model-id",
    messages=[{"role": "user", "content": "Say this is a test!"}],
)
print(response.choices[0].message.content)

使える入口として、/v1/models、/v1/chat/completions、/v1/embeddings、/v1/completions、/v1/responses が挙げられています。

ネットワーク側の設定は、慎重にしてください。公式のコマンド説明では、「--bind」で、自分のパソコンだけ（127.0.0.1）か、同じネットワークの全員（0.0.0.0）かを選べます。127.0.0.1以外にすると、パソコンの外から届くようになるので、先に認証（本人確認）を有効にするよう案内されています。「--cors」は標準では無効で、有効にするとリスクが増える、とも書かれています。

6. 会話の長さ（コンテキスト長）と、読み込みの設定

コンテキスト長は、AIが一度に覚えておける会話の長さです。大きくするほど、メモリを使います。

公式の「モデルごとの既定値」のページによると、My Modelsタブで、モデルの横にある歯車のアイコンを押すと、読み込みの設定の既定値を保存できます。読み込むときに変えた設定を、そのモデルの新しい既定値として保存することもできます。保存できる例として、コンテキスト長、GPUにどれだけ任せるか（GPUオフロード）、Flash Attention（メモリを節約する計算の方式）のオンとオフが挙がっています。毎回変えるのが面倒なら、ここで決めておけます。

モデルが置かれる場所は、標準で「~/.lmstudio/models/」です。その下に「公開者名/モデル名/ファイル」の形で並びます。置き場所を変えたいときは、My Modelsタブで変えられます。

7. ネットにつながなくても動くか

公式の「オフライン」のページ（2026年10月8日確認）によると、動きます。

飛行機の中などで使うなら、先に必要なものを入れておいてください。

プライバシーの説明（lmstudio.ai/privacy）には、ローカルで動かすモデルについて、メッセージ、チャット履歴、文書は、いっさい端末の外に送られない、とあります。外に出る場面は、検索語（個人を特定しない形）、更新の確認（アプリの版やOSの情報）、有料のクラウド機能です。これは会社の説明を読んだものです。通信を実際に測って確かめてはいません。

よくあるつまずき

見立てです。初めての人が引っかかりやすい点を、公式の記述から考えました。

気をつけること

出典

更新履歴